基于改進(jìn)的snake模型的圖像邊緣檢測(cè).pdf

1、圖像邊緣檢測(cè)是一項(xiàng)非常重要的圖像分析技術(shù)，在圖像分割、圖像分類識(shí)別和計(jì)算機(jī)視覺等領(lǐng)域中占有越來越重要的地位。傳統(tǒng)的圖像邊緣檢測(cè)方法只利用了圖像本身的信息，有時(shí)并不能滿足檢測(cè)的要求；而主動(dòng)輪廓模型（即Snake模型）除了利用底層的圖像信息，還添加了高層的先驗(yàn)知識(shí)，可以實(shí)現(xiàn)目標(biāo)邊界的準(zhǔn)確定位。
　　 本文從參數(shù)主動(dòng)輪廓模型和幾何主動(dòng)輪廓模型兩個(gè)方面出發(fā)對(duì)圖像邊緣檢測(cè)做了較深入的研究。
　　 首先，對(duì)圖像邊緣檢測(cè)的目的、意義和

2、國(guó)內(nèi)外研究進(jìn)行了綜述，介紹了Snake模型的基本原理和算法分類，以及怎樣設(shè)計(jì)經(jīng)典Snake模型的能量函數(shù)。然后，針對(duì)不能在深度凹陷區(qū)域收斂的問題，進(jìn)一步闡述了梯度矢量流(GVF)的基本算法和數(shù)值實(shí)現(xiàn)，以及廣義梯度矢量流(GGVF)的定義和原理，并且在此基礎(chǔ)上引入了改進(jìn)的連續(xù)能量函數(shù)，用以改善輪廓點(diǎn)分布的均勻性，讓曲線更加平滑，避免出現(xiàn)尖角。接著，重點(diǎn)研究了基于水平集方法的Snake模型，它屬于幾何主動(dòng)輪廓模型。水平集方法又分為傳統(tǒng)的需要